Huber鲁棒损失函数

Huber鲁棒损失函数是一种使用鲁棒性回归的损失函数，相比于均方误差来说，它对异常值不敏感。在统计学习角度，它常常被用于分类问题上。Huber损失函数的定义是：对于小的a值误差函数是二次的，而对大的值误差函数是线性的。变量a表述residuals，用以描述观察值与预测值之差。Huber损失函数将平方损失和绝对值损失结合起来，既有均值无偏的敏感性，又有均值的最小变化估计器和无偏中值估计器的鲁棒性。在分类问题上，常常使用Huber损失函数的变形——modified Huber损失函数。